这个 Skill 工具有点狠，连你写的 Skill 水不水都能给你打分

前两天刷 GitHub，看到一个项目名叫 Skill Craft。第一眼我还以为又是那种“讲得很满，落地一坨”的工具。结果往下一看，这东西不是教你写 Skill 的鸡汤文，它是直接冲着 Skill 质量工程 去的。如果你也遇到过“Skill 看着能跑，结果一上手就开始飘”的情况，这玩意儿你大概率会有点感觉。

这个项目是干嘛的

一句话说白了，它是一个覆盖 Skill 评估、修复、创建、系统审计 全生命周期的质量工程工具。

它解决了什么问题

很多人现在会写 Skill，但真到可复用、可维护、可扩展这一步，经常开始出幺蛾子。比如触发条件写得很糊，工具优先级乱飞，输出约束一松就开始啰嗦，依赖链一断整个流程像断电一样。

Skill Craft 干的事，本质上就是把这些“看起来能用，实际上容易翻车”的问题拆开来检查。它不是给你一把万能锤，而更像是装修前先给你验房的老师傅，哪面墙空鼓、哪根线虚接，先给你挑出来，免得后面越修越狗血。

核心功能亮点

check 模式，用于评估单个 Skill 的质量这在实际中有啥用，就是你不用靠感觉判断“这个 Skill 行不行”，它会按 8 个模块给你做质量评分。
fix 模式，用于修复 Skill 这在实际中有啥用，就是不是只告诉你哪里烂，而是会按优先级修，再做回归验证，避免修完像没修一样。
create 模式，用于从零创建 Skill 这在实际中有啥用，就是你想新建一个 Skill，不用从空白文档开始搓，流程里包含需求确认、规模判断、生成文件、自检和自动化验证。
audit 模式，用于多 Skill 系统审计这在实际中有啥用，就是如果你不是只有一个 Skill，而是一整个目录，这个模式能查路由冲突、一致性和引用完整性，适合做系统级排雷。
三维评分体系 这在实际中有啥用，就是它不只看“有没有写”，还会从 8 模块检查、7 反模式评估、3 完整性原则三个维度一起看，尽量减少那种表面工整、实际发虚的情况。
自动化验证脚本 这在实际中有啥用，就是你可以直接跑元数据验证和结构验证，不用纯靠肉眼巡检，省得像查错字一样来回翻。

快速开始

README 里给了最直接的使用方式，下面这些命令原样保留。

评估一个 Skill

评估 /path/to/my-skill

输出：8 模块评分 + 7 反模式风险 + 3 完整性评级 + 行动项清单

修复一个 Skill

修复 /path/to/my-skill

输出：问题清单（P0/P1/P2）→ 逐项修复 → 回归评估（修复前 vs 修复后分数）

创建一个 Skill

创建一个代码审计 skill

输出：需求确认 → 规模判断 → 生成文件 → 自检 → 自动化验证

审计多 Skill 系统

审计 /path/to/skills-directory

输出：路由冲突 + 一致性 + 引用完整性 + P0/P1/P2 系统级问题

关键用法 / 示例

除了上面的交互式入口，README 还给了自动化验证命令。这个就很实在，等于告诉你别光靠嘴说“我这个 Skill 很规范”，先跑一遍再吹。

# 验证元数据（name + description）
python3 scripts/validate-metadata.py --path /path/to/skill

# 验证结构（目录 + 8模块 + 引用完整性 + 空文件检测）
python3 scripts/validate-structure.py --path /path/to/skill

另外，README 里还把目录结构列出来了：

skill-craft/
├── skill-craft-cn/          # 中文版
│   ├── SKILL.md             # 主入口（192 行）
│   ├── references/          # 按需加载的参考文档
│   │   ├── check-guide.md       # check 流程 + 质量框架
│   │   ├── fix-guide.md         # fix 流程 + 修复约束
│   │   ├── create-guide.md      # create 流程 + 生成指南
│   │   ├── audit-guide.md       # audit 流程 + 审计标准
│   │   ├── quality-standards.md  # 7 反模式 + 3 完整性原则
│   │   ├── practical-best-practices.md  # 实战最佳实践
│   │   ├── report-template.md    # 报告模板
│   │   └── skill-scaffold.md     # 新 Skill 骨架模板
│   └── scripts/             # 自动化验证脚本
│       ├── validate-metadata.py   # 元数据验证
│       └── validate-structure.py  # 结构 + 引用 + 空文件检测
└── skill-craft-en/          # 英文版（结构同上）

这套结构的意思也很明确，主入口常驻，参考文档按需加载，脚本单独放一边做验证。说白了，就是别把一个 Skill 写成一锅乱炖，不然上下文一长，模型脑子也容易抽一下。

使用感受（不官方版）

我比较喜欢它这一点，不是只教你“怎么写”，而是盯着“怎么别写废”。 README 给的信息虽然不长，但路径很清楚，从评估到修复再到审计，链路是闭的。如果你已经在维护一堆 Skill，这种工具比再看十篇方法论鸡汤有用得多。

适合哪些人用

在做 AI Agent / Skill 体系，手头已经有多个 Skill 的人
经常要评审别人写的 Skill，又不想每次全靠经验拍脑袋的人
想从零创建一个 Skill，但希望过程更规范的人
需要做 Skill 质量治理、系统巡检、路由冲突检查的人
团队里已经开始沉淀 Skill 资产，准备走工程化的人

注意事项 / 坑点

README 里强调的是 全生命周期质量工程，不是一个“万能自动生成器”，别把它当一键出奇迹。
它的检查体系很完整，包含 8 模块检查、7 反模式评估、3 完整性原则，所以你在使用时更适合把它当成规范化校验器，而不是只图一个分数。
fix 模式里写得很明确，修复后会强制做 回归验证，这点挺重要。很多人修 Skill 像补墙，补完一看另一面又裂了，这个流程至少是在防这种事。
README 提到的“上下文保护”“Checkpoint 驱动”“防失效”，本质上都说明它很重视边界和稳定性。所以它强归强，但也不是让你无脑堆规则，规则堆多了也可能把 Skill 写成说明书。

一句话总结

这玩意儿挺猛，适合拿来治 Skill 工程化里的散装毛病，但别上头，它更像质检员，不是许愿机。

评论区交作业

你现在写 Skill，最头疼的是哪一类问题？

触发条件老是写糊
工具调用顺序容易漂
输出越来越啰嗦
多 Skill 一起用就开始打架

也可以直接说一句，你会不会拿这个工具去审一下自己现在的 Skill？

#GitHub #SkillCraft #AI工程化 #Agent #PromptEngineering #OpenClaw #工作流 #自动化 #质量治理 #技术分享